1.一种基于变色龙算法调控智慧云平台柔性电负荷调度系统，其特征在于，包括云平台系统、光伏预测模块、光伏列阵、风力预测模块、风电机组、数据模块、柔性智慧调控预测模块、电解池、储氢罐、氢燃料电池、DC/DC变换器、用户供给端、工业负载端、离散负载端；所述云平台系统的输入端分别与工业负载端输出端和离散负载端输出端连接；所述云平台系统的输出端与柔性智慧调控预测模块输入端连接；所述柔性智慧调控预测模块的输出端分别连接储氢罐输入端和光伏列阵、风电机组输入端；所述光伏列阵、风电机组输出端分别连接工业负载端输入端、离散负载端输入端以及电解池输入端；所述电解池输出端与储氢罐输入端连接；储氢罐输出端分别与用户供给端和氢燃料电池输入端连接；所述氢燃料电池输出端与DC/DC变换器输入端连接；所述DC/DC变换器输出端与离散负载端的输入端连接。

所述离散负载端与工业负载端连接。

2.根据权利要求1所述的一种基于变色龙算法调控智慧云平台柔性电负荷调度系统，其特征在于，所述云平台系统包括：光伏预测模块、风力预测模块、数据模块。光伏预测模块用于根据各个区域的天气状况预测光伏列阵的发电量；风力预测模块用于根据各个区域的天气状况预测风电机组的发电量；数据模块用于预测工业以及离散负荷用电量，通过柔性智慧调控预测模块对发电量以及电价实时的影响进行电饱和调度使得绿能不冗余。

3.一种根据权利要求1所述的一种基于变色龙算法调控智慧云平台柔性电负荷调度方法，其特征在于，包括以下步骤：(1)初始化每个变色龙种群位置；

(2)建立目标函数；

(3)计算最优目标功率值；

(4)更新变色龙位置；

(5)判断最优位置；

(6)输出最优位置。

4.根据权利要求3所述的方法，其特征在于，所述步骤(1)具体如下：将预测模块、数据模块的参数，储氢罐容量以及用户端氢气消耗作为输入，设置最大迭代次数，采用Logistic混沌映射具有使系统处于混沌状态，映射分布均匀性达到极致，具体公式如下：Xn+1＝βXn(1‑Xn)

式中：Xn∈[0,1]；β∈[0,3]为Logistic参数。

5.根据权利要求3所述的方法，其特征在于，所述步骤(2)具体如下：计算每个种群的适应度，即目标函数为绿能不冗余最优收益，计算公式如下：式中：Ei(t)为t月工业负荷的最大收益，Ed(t)为t月离散负荷的最大收益，Eh(t)为t月用户氢气使用的最大消耗；

式中：Di(t)为t月工业负载需求量，Dd(t)为t月离散负载需求量，Dh(t)为t月用户氢气使用量，使得绿能不冗余。

6.根据权利要求3所述的方法，其特征在于，所述步骤(3)具体如下：根据迭代过程中当前次数、下一次以及最后迭代的到的目标函数和约束搜索能力即为该系统迭代中设置的迭代次数得出变色龙的寻觅猎物的表达式如下：式中： 为变色龙i在维度j中当前、下一步的位置即为寻找到的当

前收益、下一次迭代后的收益和寻找到的当前绿能使用量、下一次迭代后绿能使用量；G为当前最优个体位置即为当前最优收益和当前绿能冗余最优；P为变色龙i迄今为止的最好位置即为经过部分次数迭代后得到的最优收益和绿能最优冗余(目前最优解)；p1、p2是控制勘探能力的两个参数；r1、r2、r3均为[0,1]内的随机数，ri是[0,1]内的随机数；Pp＝0.1表示变j j色龙感知猎物的概率(该系统的最优收益和最优冗余即目标函数)；u、l分别表示第j维的上、下限；猎物指的就是不断更新的最优目标函数值，即最优功率值，变色龙种群不断的寻优朝着猎物靠近，当捕捉到猎物时就是最优收益值和最优冗余值。

7.根据权利要求3所述的方法，其特征在于，所述步骤(4)具体如下：式中： 为变色龙在位置旋转前的各维度平均位置，yt+1为旋转后的坐标，yr为旋转中心坐标。

8.根据权利要求3所述的方法，其特征在于，所述步骤(5)具体如下：式中：c1＝c2＝1.75控制着G、P对口腔内犹如弹簧状的武器速度的影响，舌头表示的是变色龙移动的路径方式；α为个体变量，为2逐渐将为1的数值，β为全局变量，为1到2的数值。

9.根据权利要求3所述的方法，其特征在于，所述步骤(6)具体如下：判断是否到底最大迭代次数，如果是则输出最优位置；如果不是，返回步骤(3)。

10.根据权利要求9所述的方法，其特征在于，输出最优位置公式如下：式中：b为设置的迭代次数。